全 文 ：第 wv卷 第 w期
u s s z年 w 月
林 业 科 学
≥≤Œ∞‘׌„ ≥Œ∂ „∞ ≥Œ‘Œ≤„∞
∂²¯1wv o‘²1w
„³µqou s s z
基于图像纹理特征的木材树种识别
于海鹏 刘一星 刘镇波
k东北林业大学生物质材料科学与技术教育部重点实验室 哈尔滨 txsswsl
摘 要 } 利用木材图像的颜色 !灰度 !纹理等内容实现树种的相似性匹配检索 o提取色调 !饱和度 !亮度 !对比度 !
二阶角矩 !方差和 !长行程加重因子 !分形维数 !小波水平能量比重共 |个特征参数 o依据最大相似性数学原理 o基
于最小差值参数判别法和综合特征阈值法来检索样本 ∀结果显示 }基于图像纹理特征能够实现木材树种的检索和
识别 o综合特征阈值法的检索正确率与唯一性通常要好于最小差值判别法 ~但当被检索样本图像的纹理较弱或不
呈现纹理特征时 o检索结果的唯一性并不理想 ∀综合而言 o基于图像纹理特征最大相似性的木材树种检索识别较
易实现 o是一种值得继续发展和应用推广的木材树种识别方法 ∀
关键词 } 木材树种 ~检索识别 ~图像 ~纹理特征
中图分类号 }≥z{t1y| 文献标识码 }„ 文章编号 }tsst p zw{{kusszlsw p sszz p sx
收稿日期 }ussx p ts p ts ∀
基金项目 }国家自然科学基金项目kvswztvxyl !东北林业大学优秀青年教师创新基金资助 ∀
Ωοοδ Σπεχιεσ Ρετριεϖαλ ον Βασε οφ Ιµαγε Τεξτυραλ Φεατυρεσ
≠∏‹¤¬³¨ ±ª ¬∏≠¬¬¬±ª ¬∏«¨ ±¥²
k ΚεψΛαβορατορψοφ Βιο2Βασεδ ΜατεριαλΣχιενχε ανδ Τεχηνολογψοφ Μινιστρψοφ Εδυχατιον o
Νορτηεαστ Φορεστρψ Υνιϖερσιτψ Ηαρβιν txsswsl
Αβστραχτ } •¬·«·«¨ ·¨¬·∏µ¤¯ ©¨¤·∏µ¨¶²©º²²§¬°¤ª¨¶¤¶®¨ ¼ ¥¤¶¨¶o¬·¤¬°¨ §·²µ¨¤¯¬½¨ ·«¨ µ¨·µ¬¨√¤¯ ¤±§¬§¨±·¬©¬¦¤·¬²± ²© º²²§
¶³¨¦¬¨¶qŒ·¤§²³·¨§¶∏¦« ¦²±·¨±·¶¤¶¦²¯²µo ªµ¨¼ ¤±§·¨¬·∏µ¨ ²© º²²§¬°¤ª¨¶o ¤±§ °¨ ¤¶∏µ¨§ º¬·« ±¬±¨ ³¤µ¤°¨ ·¨µ¶} «∏¨ o
¶¤·∏µ¤·¬²±o¬¯¯∏°¬±¤±¦¨ o¦²±·µ¤¶·o¤±ª∏¯¤µ¶¨¦²±§°²°¨ ±·o¶∏°²©√¤µ¬¤±¦¨¶o¯ ²±ªµ∏± °¨³«¤¶¬¶o©µ¤¦·¤¯ §¬°¨ ±¶¬²±o¤±§º¤√¨ ¯¨·
«²µ¬½²±·¤¯ ±¨¨ µª¼ ³µ²³²µ·¬²±o·«¨ ± ³¨µ©²µ°¨ §µ¨·µ¬¨√¤¯ ²©º²²§¶³¨¦¬¨¶¤¦¦²µ§¬±ª·² °¤¬¬°¤¯ ¶¬°¬¯¤µ¬·¼·«¨²µ¼q׫¨ µ¨¶∏¯·¶¶«²º¨ §
·«¤··«¨ µ¨·µ¬¨√¤¯ ¤±§¬§¨±·¬©¬¦¤·¬²±²©º²²§¶³¨¦¬¨¶¦²∏¯§¥¨ µ¨¤¯¬½¨ §²± ¥¤¶¨¶²©¬°¤ª¨ ·¨¬·∏µ¤¯ ©¨¤·∏µ¨¶¤±§µ¨¯¨ √¤±·¤¯ª²µ¬·«°¶q
׫¨ µ¨·µ¬¨√¤¯ ¤¦¦∏µ¤¦¼¤±§∏±¬´∏¨ ±¨ ¶¶¥¼ ¬¯°¨ ±§¬¶¦µ¬°¬±¤±¦¨ ²©¶¼±·«¨·¬¦¤¯ ©¨¤·∏µ¨¶º¨ µ¨ ¥¨·¨µ·«¤±·«²¶¨ ¥¼ °¬±¬°¤¯ §¬©©¨µ¨±¦¨¶
°¨ ·«²§q…∏·º«¨ ±·«¨ ·¨¬·∏µ¨ ²©¶¤°³¯ ¶¨º¤¶º¨ ¤®²µ·¨¬·∏µ¨¯¨¶¶o·«¨ ∏±¬´∏¨ ±¨ ¶¶²©µ¨·µ¬¨√¤¯ µ¨¶∏¯·º²∏¯§±²·¥¨ √¨ µ¼¶¤·¬¶©¼¬±ªq
∞√¨ ±·«¨ ±o¬·¬¶¤º²µ·«º«¬¯¨ §¨ √¨ ²¯³¬±ªµ¨·µ¬¨√¤¯ ¤±§¬§¨±·¬©¬¦¤·¬²± °¨ ·«²§²©º²²§¶³¨¦¬¨¶q
Κεψ ωορδσ} º²²§¶³¨¦¬¨¶~µ¨·µ¬¨√¤¯ ~¬°¤ª¨ ~·¨¬·∏µ¤¯ ©¨¤·∏µ¨¶
木材树种识别和检索的传统方法为肉眼观察 !经验识别或借助于专家系统的初级识别 o但这常受到识别
者知识背景和条件因素的影响 o表现出一定的局限性 o不便于进一步发展和推广 ∀
近年来 o随着数字图书馆及多媒体数据库的出现 o其日新月异的检索方法和检索效率十分突出 o这无疑
也为木材树种的检索提供了一种新途径 ∀基于图像内容的目标检索是在计算机图像处理技术基础上发展起
来的 o综合利用图像所内含的信息来实现目标的匹配 ∀和传统方法相比 o它降低了对操作者专业知识的要
求 o很大程度上摆脱了受人主观性影响过大的问题 ~它能够极大地利用各种信息量 o明显提高识别的准确性
k殷泽兴等 ot||| ~刘忠伟等 ot|||l ~基于现代计算机的软硬件发展 o它的速度快 o效率高 o不易出错 o降低了
工作强度 ∀
目前 o我国从事木材进出口贸易 !木材检验 !木材加工的企业和从业人员已突破百万 o要求他们全都掌握
熟练的木材学知识和木材检验技术是十分困难的 o因此需要提供相应的辅助工具和技术 ∀而基于数字图像
处理技术的检索方法正提供了这样一种解决问题的可能 o开发相应的技术具有设备实现简单 !投资少 !方便
移植 !方便操作 !方便维护升级等特点 o届时将能为改善木材检索和识别提供技术支持 o可以预见其发挥作用
的空间和潜力 ∀
本文将引入数字图像处理技术 o基于图像纹理特征实现对木材树种的快速检索和识别 ∀
t 图像内容的内涵及对应特征参数的提取
图像总是包含有颜色 !纹理 !形状 !大小等内容 o而其中图像的颜色和纹理是其基本属性 ∀在文献
k…«¤µ¤·¬ετ αλqoussw ~ײ°¬·¤ ετ αλqot||s ~ • ¤±ª ετ αλqot||yl中可以找到有关图像分析算法性能的比较 o总结
文献可知 o各种算法作用的基础都是图像像素的灰度强度值 o区别只是处理空间选择在空域 !频域还是模型
空间 o对它们进行组合统计分析 !频谱变换还是模型套用 ∀它们的针对性及优势特长为图像分析提供了有效
帮助k于海鹏等 oussxl ∀
从纹理的颜色和明度特征考虑 o选择与人体视觉及工程学息息相关的 ‹≥Œ色度模型 o包括色调k‹l !饱
和度k≥l和亮度kŒlv个参数 ∀
基于空域法的灰度共生矩阵选择对比度k≤’‘l !二阶角矩k„≥l !方差和k≥∂lv个参数来反映木材像素
灰度的二阶组合与分布规律信息 o体现纹理的强弱 !周期变化快慢以及粗细均匀性 o整体概括木材纹理的主
要特征 ∀根据木材纹理特点 o确定共生矩阵的结构参数 δ取 v !Η取 sβ ∀
基于空域统计特征 o从纹理基元的大小考虑 o选择基于行程长度统计的长行程加重因子k• ∞l o针对木
材纹理特点 o确定计算特征参数时的行程长度取 w !方向取 sβ ∀
小波法的优越之处在于将空域和频域结合 o进行多尺度的频谱分析 o有效提取纹理的低频和高频分量 o
得出其在水平 !垂直和角方向上的频率变化信息 o补充其他纹理方法在此方面的不足 ∀根据木材纹理特点 o
选择纹理图像水平能量分布比重因子k∞°‹l o确定滤波器长度取 { !分解尺度取 u ∀
虽然单纯基于分形盒维法并不足以提取所有的纹理信息 o但它计算出的分形维数能够很好地表达木材
灰度的粗糙性和复杂性 ∀因此 o选择由像素灰度的分形特性统计而来的分形维数kƒ⁄l ∀
综上分析 o确定出木材图像内容的综合变量体系 }tl色调k‹l ~ul饱和度k≥l ~vl亮度kŒl ~wl对比度
k≤’‘l ~xl二阶角矩k„≥l ~yl方差和k≥∂l ~zl长行程加重因子k• ∞l ~{l分形维数 ƒ⁄l ~|l小波水平能量分
布比重k∞°‹l ∀
u 基于图像内容最大相似性原理的检索判别方法
为达到基于图像内容进行检索识别的目的 o采用最大相似原理是一种可行的方法 ∀最大相似原理是指
每一个物体都具有多项特征 o且多个物体之间存在着特征交叉现象 o即几个物体可能同时具有某种相同的特
征 o因此如果不以一项或少数几项特征为依据 o而是将未知物体所提取出的所有量化特征与已知同类物体的
相关量化特征进行综合比较 o会得出一组相似系数 ∀在一组相似系数中总会出现最大值 o如果已知的数据库
中包含未知物体 o且提取的量化参数足够多 o则这个最大的相似系数将是唯一的 o即达到了检索的目的 ∀
基于/内容0相似原理的树种检索方法主要优点为 }tl采用计算机辅助 !图像处理等先进手段提取特征量
参数 o较经验性描述更具客观性 ~ul用作检索基础的特征可以较多 o即使存在个别由偶然因素引起的不正常
参数 o也不会导致结论的不正确性 ~vl数据库容量可不断增加 o因而检索成功率也将不断提高 ~wl检索速度
快 o重现规律好 ~xl数字化 !易修改 !可移植程度高 ∀最大相似原理的数学方式可以用 u种算法来实现 o即最
小差值参数判别法 !综合特征阈值法k刘镇波等 ousswl ∀
211 最小差值参数判别法数学描述
最小差值参数判别法是指不考虑未知标本量化特征参数的误差量 o直接以已知标本与未知标本参数最
接近的值为准 o计算已知标本的参数与未知标本最接近的个数 o从而确定未知标本为何类属 ∀
从未知的标本上采集 ν项特征 }ξt oξu oξv o, oξν o即可表示成集合 Ξk ξt oξu oξv o, oξνl o已知的标本组
成一个集合 Ψkψt oψu oψv o, oψµl o且每一个样本 ψιkι € t ou o, oµl都具有 ν项或多于 ν项的特征 ∀因此所
有已知的标本可构成一个二维矩阵 Ψ
Ψ €
ψtt ψtu , ψtν
ψut ψuu , ψuν
, , , ,
ψµt ψµu , ψµν
o
{z 林 业 科 学 wv卷
式中 }µ € t ou o,表示数据库中样本的记录号 ~ ν € t ou o,表示数据库中样本特征的序号 ∀
将未知标本 Ξ与已知标本集合 Ψ进行比较 o即两者相减 o并取绝对值 o用集合 Α表示
Α €
ξt p ψtt ξu p ψtu , ξϕ p ψtϕ , ξν p ψtν
ξt p ψut ξu p ψuu , ξϕ p ψuϕ , ξν p ψuν
, , , , , ,
ξt p ψµt ξu p ψµu , ξϕ p ψµϕ , ξν p ψµν
€ ξϕ p ψιϕ € αιϕ o
式中 }ξϕ为标本的提取特征 oϕ€ t ou o, oν ~ ψιϕ为数据库中第 ι个样本的第ϕ个特征 oι € t ou o, oµ oϕ€ t ou o
, oν ∀
在二维矩阵 Α中的 αιϕ € ξϕ p ψιϕ kι € t ou o, oµ ~ϕ€ t ou o, oνl o对二维矩阵进行列比较 o即对k αtt o
αut o, oαµtl进行比较 o并将其中的最小值设为 t o其他值设为 s ∀此时矩阵中的每个元素不是 t o就是 s o而不
存在其他的值 ∀
设相似系数的集合为 Ρ o则 Ρ € ρt oρu o, oρµ Τ ∀
集合 Ρ中 oρι 表示未知木材标本与每个已知标本相比较的相似系数 o且 ρι € αιt n αιu n , n αιϕkι € t ou o
, oµ ~ϕ€ t ou o, oνl ∀
最后根据这一组相似系数来最终确定未知标本的归属 ∀确定的方式为 }在集合 Ρ 中存在着 ρ°¤¬ € °¤¬
kρt oρu o, oρι o, oρµl oρ°¤¬相对应的样本就是所要识别的 ∀到此 o整个识别过程结束 ∀
212 综合特征阈值法数学描述
综合特征阈值法是指考虑量化参数的提取误差及本身的变异情况 o以已知标本与未知标本参数之间的
差值在一定的阈值范围内浮动为准 o计算已知标本的参数中符合阈值条件时的个数 o从而最终确定未知标本
为何种树种的识别方法 ∀
同最小差值参数判别法一样 o将未知标本 Ξ与已知标本集合 Ψ进行比较 o在所得到的二维矩阵 Α中 oαιϕ
€ ξϕ p ψιϕ kι € t ou o, oµ ~ϕ€ t ou o, oνl o再对二维矩阵进行列比较 o即对kαtt oαut o, oαµtl进行比较 o将满
足/ kαιϕΠψιϕl 阈值0的 αιϕ设为 t o其他值设为 s ∀同样也可得出相似系数集合 Ρ ∀
最后 o同最小差值参数判别法一样 o根据这组相似系数可以求出最大的一个或几个相似系数 o其所在记
录的树种即可确定为未知标本 o识别过程结束 ∀
v 基于图像纹理内容的木材树种相似性检索实例及分析
选择 y个树种的木材纹理图像作为检验样本 o其中 v个与数据库中已知样本属同一树种 o但图面内容不
完全相同 o检验这 v个样本被从数据库中检索出的正确率 ~另外 v个为国外树种 o其纹理数据确定未被包括
在数据库中 o检验从数据库中检索出已知树种的纹理图像与被检图像的相似情况 o如果检索得到的结果符合
人眼视觉评定的/基本相近或相似0结论 o则可认为利用纹理特征 !以最大相似性原理进行木材树种图像的内
容检索是可行的 o效果是可期待的 ∀
311 已知树种的识别检索
通过最小差值判别法 !综合特征阈值法对样本进行检索和判别 o以硕桦k Βετυλα χοσταταl径向切面 !落叶松
kΛαριξ γ µελινιιl径向切面 !漆树k Τοξιχοδενδρον ϖερνιχιφλυυµl弦向切面为例 o检索结果如图版 ´ p t !u所示 ∀
从图版 ´ p t !u的检索结果及其相似系数可以看出 o基于纹理特征的检索识别成功率较高 ~只有当图像
纹理较弱或无纹理时 o才会出现多项检索对应值的情况 o且检索出的图像与被检索图像的整体相似或部位特
征相似 ∀在检索结果的基础上 o进一步比较从数据库中检出的图像与被检索图像的视觉差异 o可明显提高树
种识别的准确率 ∀最小差值判别法与综合特征阈值法的检索结果相比较 o一般表现为综合特征阈值法的检
索正确率与唯一性较好 o而最小差值判别法经常返回的是一组相似系数相同的结果 o即直接得到检索结论的
能力较差 o甚至有时会出现检漏的情况 ∀
以硕桦的综合特征阈值法检索结果为例 o将检索到数据库图像的原始数据与待识别的硕桦图像测量值
比较 ∀如表 t所示 o数据库中的原始数据与待识别目标的测量数据并不对应一致 o而存在着一定的差异 o但
利用识别程序基本上可识别出待识别目标的种类或排列出与之相近的种类 ∀
|z 第 w期 于海鹏等 }基于图像纹理特征的木材树种识别
表 1 数据库中的检出结果值与被检索图像特征值的比较 ≠
Ταβ .1 Χοµ παρατιον οφ ρετριεϖαλσπεχιεσ ωιτη ινδεξεδ σπεχιεσ
树种图像
≥³¨¦¬¨¶¬°¤ª¨
相似系数
≤²¨©©¬¦¬¨±·²©
√¤µ¬¤·¬²±
色调
‹
饱和度
≥
亮度
Œ
二阶角矩
„≥
对比度
≤’‘
方差和
≥∂
长行程
加重因子
• ∞
分形维数
ƒ⁄
小波水平
能量比重
∞°‹
硕桦 p •
Βετυλα χοστατα t1ss vy1x{ s1ty ut{1{t s1ssu | vx1ss {{1sz |v1ss u1vvv t uy1|s
硕桦 p •
Βετυλα χοστατα s1xx vx1|y s1ty utz1z| s1ssu x vw1|v tsv1yx ttt1zy u1uzu x u{1ys
鱼鳞云杉 p •
Πιχεαϕεζοενσισ
√¤µq µιχροσπερµα
s1xx vz1vt s1t| utv1zy s1ssu | vx1ut tss1yw {y1vs u1u|y s vu1vt
臭冷杉 p •
Αβιεσ νεπηρολεπισ s1ww vy1|v s1t| utz1{| s1ssv u vv1zy ts|1yy zu1tx u1uvu t vw1sz
白蜡木 p •
Φραξινυσ χηινενσισ s1ww vz1x{ s1tz utz1s| s1ssu v ws1{t twy1sy {s1sx u1u{w | us1w|
大青杨 p •
Ποπυλυσ υσσυριενσισ s1ww vx1xt s1tx usx1x{ s1sst u yy1sy vsx1wu u|1{z u1vz| w uy1zz
山杨 p •
Ποπυλυσ δαϖιδιανα s1vv v{1ts s1us uts1s{ s1ssu s w{1tv tvx1tv xw1vt u1vyt z ws1{{
紫椴 p •
Τιλια αµυρενσισ s1vv vx1|u s1tz utv1yv s1ssu u v|1wz tyz1vu xx1yy u1vty z vz1uz
≠ ‹ }‹∏¨ o≥ }≥¤·∏µ¤·¬²±oŒ}Œ¯ ∏¯°¬±¤±¦¨ o„≥ }„±ª∏¯¤µ¶¨¦²±§ °²° ±¨·o≤’‘}≤²±·µ¤¶·o≥∂ }≥∏° ²© √¤µ¬¤±¦¨¶o• ∞}²±ª2µ∏±·« °¨³«¤¶¬¶oƒ⁄}ƒµ¤¦·¤¯
§¬° ±¨¶¬²±o∞°‹ }‹²µ¬½²±·¤¯ ±¨¨ µª¼ ³¨µ¦¨±·¤ª¨ ²© º¤√¨ ¯¨·q下同 ׫¨ ¶¤°¨ ¥¨ ²¯º q
312 未知树种的相似性匹配检索
选择确定未被包含在数据库中的树种 o以红酸枝木k ∆αλβεργια ¶³³ql径向切面 !条纹乌木k ∆ιοσπψρο󶳳ql
径向切面 !花梨木k ∆αλβεργια οδοριφεραl弦向切面为例 o通过最小差值判别法和综合特征阈值法 o对样本的相似
性匹配效果进行检验 o检索结果如图版 µ p t !u所示 ∀
再以花梨木的综合特征阈值法检索结果为例 o将检索到数据库图像的原始数据与花梨木图像的纹理特
征测量值比较 o如表 u所示 ∀
表 2 数据库中的检出结果值与未知图像特征值的比较
Ταβ .2 Χοµ παρατιον οφ ρετριεϖαλσπεχιεσ ωιτη υνκνοων σπεχιεσ
树种图像
≥³¨¦¬¨¶¬°¤ª¨
相似系数
≤²¨©©¬¦¬¨±·²©
√¤µ¬¤·¬²±
色调
‹
饱和度
≥
亮度
Œ
二阶角矩
„≥
对比度
≤’‘
方差和
≥∂
长行程
加重因子
• ∞
分形维数
ƒ⁄
小波水平
能量比重
∞°‹
花梨木 p ×
∆αλβεργια οδοριφερα t1ss t{1{x s1uw tys1zu s1sss x uy{1{| wtv1|z {1tx u1xws y t{1vv
山槐 p •
Μααχκια αµυρενσισ s1ww uy1{w s1ut twy1|s s1sss { tvw1zz uzw1uz tw1ut u1ww{ x t{1vu
水青冈 p •
Φαγυσλονγιπετιολατα s1ww u{1s| s1uv tys1|z s1sst v tsu1v{ uss1tv vy1uz u1v|| w t|1tt
山桔子 p •
Γαρχινια µυλτιφλορα s1ww uw1yx s1t{ txx1ys s1sss { t{z1tw usw1uv |1|t u1wz{ z {1yy
梓树 p •
Χαταλπα οϖατα s1ww vu1z| s1uw tx|1|| s1sst v zx1v| uux1xs u{1yt u1wsy z uy1tz
西南桦 p •
Βετυλα αλνοιδεσ s1ww t|1sy s1uu tvz1tw s1sst s tsx1t| u{z1sv tz1vu u1wxw | u|1ut
胡桃楸 p •
ϑυγλανσ µανδσηυριχα s1ww vs1u{ s1ut tyx1ux s1sst t tus1vs uxz1tv tz1{u u1wvy z uu1uy
从图版 µ p t !u和表 u可以看出 o当数据库中不包含被检索图像时 o检索返回的相似系数最高的结果往
往并不唯一 o这可以解释为 }tl数据库中确实有多幅图像的纹理特征与被检索图像对应相似 o因而检索结果
不唯一 o但这样的结果是令人满意的 ~ul数据库中没有与被检索图像太相似的图像 o所以尽管返回的结果
多 o但其相似系数都不很高 o即检索不算成功 o此方面情况通常由数据库内存储的样本量较少或覆盖度不够
全面所引起 ∀当被检索图像的纹理特征明显且比较规则时 o一般检索的效果较好 o被检索图像与检出的图像
s{ 林 业 科 学 wv卷
之间易呈现较高的纹理对应性 ~当被检索图像的纹理特征不明显或无纹理时 o一般会出现较多检索值的情
况 o但纹理特征的对应性不是很好 o被检出的图像与被检索图像基本相似 ∀在以上基础上 o为保证检索效果 o
还需经过目视比对 o因为也偶尔会出现检索结果与被检索对象从目视上就能判定不相似的情况 ∀
w 讨论
当被检索样本图像的纹理较弱或不呈现纹理特征时 o检索结果的唯一性并不理想 ∀当数据库中未包含
被检索图像时 o返回的相似系数最高的检索结果往往并不唯一 o但被检索图像与检出图像间易呈现某些特征
相似的情况 ∀综合特征阈值法的检索正确率与唯一性通常要好于最小差值判别法 ∀综合而言 o基于图像纹
理特征最大相似性的木材树种检索识别较易实现 o是一种值得继续发展和应用推广的木材树种识别方法 ∀
参 考 文 献
刘镇波 o刘一星 o于海鹏 qussw q基于量化构造特征参数的木材树种计算机识别算法 q福建林学院学报 ouwkvl }uyx p uy|
刘忠伟 o章毓晋 qt||| q综合利用颜色和纹理特征的图像检索 q通信学报 ouskxl }vy p ws
殷泽兴 o李介谷 qt||| q基于纹理特征的图像检索 q红外与激光工程 ou{kyl }ux p u{
于海鹏 o刘一星 o刘镇波 qussx q木材纹理定量化算法探究 q福建林学院学报 ouxkul }txz p tyu
…«¤µ¤·¬ ‹ o¬∏o ¤¦Šµ¨ª²µƒ qussw qŒ°¤ª¨ ·¨¬·∏µ¨ ¤±¤¯¼¶¬¶}° ·¨«²§¶¤±§¦²°³¤µ¬¶²±¶q≤«¨ °²°¨ ·µ¬¦¶i Œ±·¨¯ ¬¯ª¨ ±·¤¥²µ¤·²µ¼ ≥¼¶·¨°¶ozuktl }xz p
zt
ײ°¬·¤ƒ o׶∏­¬≥ qt||s q≤²°³∏·¨µ¤±¤¯¼¶¬¶²©√¬¶∏¤¯ ·¨¬·∏µ¨¶q  „ } Ž¯∏º µ¨‘²µº¨¯¯
• ¤±ª oŠ∏¨µµ¬¨µ² „ o≥¤µ¬²  qt||y q≤²°³¤µ¬¶²± ²©¶¨√ µ¨¤¯ ¤³³µ²¤¦«¨¶©²µ·«¨ ¶¨ª°¨ ±·¤·¬²± ²©·¨¬·∏µ¨ ¬°¤ª¨¶q°¤·¨µ± • ¦¨²ª±¬·¬²± ¨·¨µ¶otz }xs| p xut
k责任编辑 石红青l
t{ 第 w期 于海鹏等 }基于图像纹理特征的木材树种识别